分析了非线性PID控制器各部分参数对于误差的理想变化过程,构造出一种非线性PID控制器;整定参数较多时,传统的参数优化方法容易产生振荡和较大的超调量,在分析量子粒子群算法(QPSO)的基础上,引入了随
用于目标跟踪的MeanShift算法的研究,韦庆杰,曹红红,传统的meanshift目标跟踪算法是一种有效且是实时性高的算法,但该方法仍有一些不足。传统的meanshift算法在跟踪过程中容易陷入局部
对带速度项的PSO算法和不具速度项的动态概率PSO算法进行了随机递推分析,给出了保证收敛的算法的参数取值依据以及相关条件,并基于此提出了改进的动态概率PSO算法(RSPSO)。数值实验分析结果表明,改
针对于粒子群算法(PSO)易早熟、参数相关性强以及高维数据难以优化的问题。通过引入多点力学计算和理论建模推导,提出了一个新的粒子速度的计算方法。通过理论推导和实验证明对理论结果进行仿真和测试,对于常见
针对最近提出的具有极强全局搜索能力的加速粒子群算法,为改善早熟收敛问题并提高收敛精度,提出一种融合混沌理论的混沌增强加速粒子群算法。该算法引入混沌序列来调节全局学习因子,使算法进一步增加全局搜索能力。
针对非线性互补问题求解的困难,利用粒子群算法并结合极大熵函数法给出了该类问题的一种新的有效算法。该算法首先利用极大熵函数将非线性互补问题转化为一个无约束最优化问题,将该函数作为粒子群算法的适应值函数;
通过对标准粒子群算法中惯性权重的分析,提出了一种惯性权重正弦调整的粒子群算法。运用差分方程对粒子速度变化过程和位置变化过程进行分析,得到了粒子群算法的收敛条件。通过对4个典型的函数的测试,实验结果表明
粒子群算法的惯性权重调整策略,李丽,薛冰,惯性权重是粒子群算法改进的一个重要出发点,通过调整惯性权重可以大大提高算法的性能。本文在简要介绍粒子群算法原理、流程的基
针对粒子群优化算法易陷入局部极值的缺点,提出一种改进粒子群算法,该算法借鉴贪婪算法的思想初始化种群,利用两个种群同时寻优,并将遗传算法中交叉和变异操作引入其中,实现种群间的信息共享。用14点TSP标准
粒子群(PSO)与K-means结合是聚类分析中的重要方法之一,但都未考虑粒子更新导致的空类问题。提出基于多子群粒子群伪均值(PK-means)聚类算法,为该问题的解决提供一种有效途径,并与粒子群K均